一种滤波方法及装置与流程

本发明涉及滤波技术应用领域，特别是涉及一种滤波方法及装置。

背景技术：

目前很多能源、传输及神经网络等高维度数据都是基于图论结构进行研究的。图论结构中的图是各种类型图的抽象及概括，其中，图论中图的点表示研究对象，图论中图的边表示所研究这些对象之间的联系。对于图进一步的描述方式就是在图上设置信号。比如，在传输网络中，信号可以用来描述病原体的传播，人类的迁移或者是库存货物的流动。

在社交网络中，用户之间的关系会构成一张复杂网络，而且用户行为数据也包含着大量有价值的信息。在对用户行为和用户之间关系联合分析时，可以使用图滤波算法。

现有的图滤波算法中的基于矩阵的图滤波。该图滤波只包括一类节点的复杂网络的结构特征，对一类节点的复杂网络进行滤波，无法分析更高维的复杂网络(包括多种不同类别的节点的复杂网络)，对复杂网络的信号进行滤波。

技术实现要素：

本发明实施例的目的在于提供一种滤波方法及装置，综合利用异构型网络的不同类别节点及不同类别节点的连接，对异构型网络的原始节点信号进行滤波。

为达到上述目的，本发明实施例公开了一种滤波方法，其中，包括如下步骤：

获取异构型网络的多个子网，其中，所述多个子网包括不同预定类型的节点，每个子网为同一预定类型子网节点组成的网络；

分别构造所述多个子网的子网内所述子网节点之间的连接、所述多个子网的两个子网间节点之间的连接及所述多个子网的超图节点之间的连接对应的张量特征数据，其中，所述超图为三个以上子网形成的；

为所述异构型网络配置一个原始节点信号；

根据所述张量特征数据，分别在所述子网内、所述两个子网间上、所述超图上传播所述原始节点信号，并对应得到传播后的第一滤波信号、多个第二滤波信号及多个第三滤波信号；

根据所述第一滤波信号、所述多个第二滤波信号及所述多个第三滤波信号，确定所述异构型网络的传播滤波信号。

为了达到上述目的，本发明实施例还公开了一种滤波装置，其中，包括：

获取模块，用于获取异构型网络的多个子网，其中，所述多个子网包括不同预定类型的节点，每个子网为同一预定类型子网节点组成的网络；

构造模块，用于分别构造所述多个子网的子网内所述子网节点之间的连接、所述多个子网的两个子网间节点之间的连接及所述多个子网的超图节点之间的连接对应的张量特征数据，其中，所述超图为三个以上子网形成的；

配置模块，用于为所述异构型网络配置一个原始节点信号；

滤波信号获得模块，用于根据所述张量特征数据，分别在所述子网内、所述两个子网间上、所述超图上传播所述原始节点信号，并对应得到传播后的第一滤波信号、多个第二滤波信号及多个第三滤波信号；

处理模块，用于根据所述第一滤波信号、所述多个第二滤波信号及所述多个第三滤波信号，确定所述异构型网络的传播滤波信号。

由上述的技术方案可见，本发明实施例通过获取子网，构造子网内所述子网节点之间的连接、两个子网间节点之间的连接及超图节点之间的连接的对应的张量特征数据，并对异构型网络设置原始节点信号，然后将异构型网络的原始节点信号在子网内、两个子网间及超图上传播，得到异构型网络的传播滤波信号。这样综合利用异构型网络的不同类别节点及不同类别节点的连接的张量特征数据，实现子网内、子网间及超图上的信号传播，进而实现异构型网络的原始节点信号的不同方式滤波，从而为异构型网络与原始节点信号在不同节点上传播提供了理论依据，提高了算法的可信度。当然，实施本发明的任一产品或方法必不一定需要同时达到以上所述的所有优点。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明实施例的滤波方法的基本流程示意图。

图2为本发明实施例的滤波方法的具体流程示意图。

图3为本发明实施例的滤波方法中步骤207的第一种实现方式流程图。

图4为本发明实施例的滤波方法中步骤207的第二种实现方式流程图。

图5为本发明实施例的滤波方法中步骤207的第三种实现方式流程图。

图6为本发明实施例的滤波方法中步骤306的基本流程图。

图7为本发明实施例的滤波方法的具体流程示意图。

图8为本发明实施例的滤波方法中步骤306的具体第一种实现过程的流程图。

图9为本发明实施例的滤波方法中步骤306的具体第二种实现过程的流程图。

图10为本发明实施例的滤波方法中步骤306的具体第三种实现过程的流程图。

图11为本发明实施例的滤波装置的基本结构示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

本发明实施公开了一种滤波方法及装置，以下分别进行详细说明。

参见图1，图1为本发明实施例的滤波方法的一种流程图，本发明实施例的滤波方法包括如下步骤：

步骤101，获取异构型网络的多个子网，其中，所述多个子网包括不同预定类型的节点，每个子网为同一预定类型子网节点组成的网络。

通常，所述不同预定类型是指每个子网节点代表的不同意义。在实际应用场景比如是用户在会议上发表文章。具体的，一个子网节点的预定类型为用户，另一个子网节点的预定类型为会议，还有另外一个子网节点的预定类型为文章。通过不同预定类型的子网节点组成不同子网，然后由不同子网形成异构型网络。

对于异构型网络至少包括：子网内的节点、两个子网间的节点及超图的节点的一种或多种。在实际应用中，将本发明实施例的具体异构型网络的节点，与节点信息的节点类型的数量有关。

步骤102，分别构造所述多个子网的子网内所述子网节点之间的连接、所述多个子网的两个子网间节点之间的连接及所述多个子网的超图节点之间的连接对应的张量特征数据，其中，所述超图为三个以上子网形成的。

这里，上述张量特征数据至少包括：子网内的邻接矩阵、两个子网间的邻接矩阵以及超图的邻接张量中的一个或多个。从而建立不同类型的子网的张量特征数据。

步骤103，为所述异构型网络配置一个原始节点信号。

本步骤中，上述原始节点信号为预先已量化的信号，量化为可以被计算机运算的数值，从而方便后期使用计算。具体的预先已量化的信号的步骤：根据不同需求用户，设置节点信号。该节点信号可以反映节点的性质。每个子网的信号记为s⁽ⁱ⁾，i＝1,2,...,m，m为异构网络的阶数，取值为大于3的正整数。

步骤104，根据所述张量特征数据，分别在所述子网内、所述两个子网间上、所述超图上传播所述原始节点信号，并对应得到传播后的第一滤波信号、多个第二滤波信号及多个第三滤波信号。

步骤105，根据所述第一滤波信号、所述多个第二滤波信号及所述多个第三滤波信号，确定所述异构型网络的传播滤波信号。

本发明实施例中，通过获取子网，构造子网内所述子网节点之间的连接、两个子网间节点之间的连接及超图节点之间的连接的对应的张量特征数据，并对异构型网络设置原始节点信号，然后将异构型网络的原始节点信号在子网内、两个子网间及超图上传播，得到异构型网络的传播滤波信号。这样综合利用异构型网络的不同类别节点及不同类别节点的连接的张量特征数据，实现子网内、子网间及超图上的信号传播，进而实现异构型网络的原始节点信号的不同方式滤波，减小了复杂网络的信号滤波的局限性，从而为异构型网络与原始节点信号在不同节点上传播提供了理论依据。

通常，上述步骤103在具体实现过程中，节点类型的数量m的大小不定，节点类型的数量m＝1时，只需要进行子网内的滤波，节点类型的数量m＝2时，需要进行子网内的滤波和子网间的滤波。节点类型的数量m>＝3时，需要进行子网内的滤波，子网间的滤波以及多子网的滤波。因此针对不同滤波对应的预设网络的张量特征数据，具体得到如下三种张量特征数据。

第一种子网内的滤波：构造子网内的同一类型的子网节点连接对应的子网内的邻接矩阵；用该子网内的邻接矩阵表示子网内部拓扑结构。

对于上述第一种得到张量特征数据的过程中，子网是根据节点信息的节点之间连接关系构造的。子网i节点信息中的节点均属于同一类型，其中，i为1，2，…m，其中，m表示子网的数量。子网i表示为G⁽ⁱ⁾＝{V⁽ⁱ⁾,E⁽ⁱ⁾}，其中V⁽ⁱ⁾是点的集合，E⁽ⁱ⁾是边的集合。

在运算时，使用矩阵来表示子网的内部拓扑结构，以便于用代数方法研究子网的性质，也便于计算机处理子网。用矩阵表示子网之前，必须将子网的节点或边标定顺序，本发明实施例具体是利用邻接矩阵表示子网。这里只考虑无向图的情况，不考虑有向图的情况。因此子网内的邻接矩阵是对称矩阵。

邻接矩阵是应用最广泛的矩阵。它描述各个节点之间的连接关系，因此包含了网络的最基本拓扑性质。其中I_i表示子网i包含的总节点数，表示复数域。

子网内的邻接矩阵的定义是：

其中，w_pq为邻接矩阵W第p行第q列对应的元素，p，q为1，2，…，I_i，且表示子网内的第p个节点和第q个节点。I_i为子网i的节点总数，i＝1,2,...,m，该无向图的邻接矩阵一定是对称的，并且对角线元素为0。如果两个子网节点相连，那么邻接矩阵对应元素为1，否则为0。

第二种子网间的滤波：

对于上述第二种得到张量特征数据过程中，两个子网间的节点连接信息子网间连接只限于两两子网间的连接。考虑子网i和子网j两两之间的连接关系，i,j＝1,...,m i≠j，其中，m为大于或等于2的正整数。构造子网间的预设网络是根据两种类型类别节点相互之间的连接构造子网间的网络模型的。该子网记为G^(i,j)＝{V⁽ⁱ⁾,V^(j),E^(i,j)}，其中V⁽ⁱ⁾表示子网i的节点，V^(j)表示子网j的节点。E^(i,j)表示两类节点之间的连接关系。即节点集V可分割为两个互不相交的子集，并且每条边依附的两个节点都分属于这两个互不相交的子集。

子网间的邻接矩阵的定义为：

其中，为子网间的邻接矩阵W^(i,j)中第p行第q列的元素,P是子网i的节点,P＝1,2,…I_i,I_i为子网i的节点总数，i,j＝1,...,m i≠j，m为大于或等于2的整数；Q＝1,2,…,I_i，j为1，2，…，I_j，且q为子网j的节点，I_j为子网j的节点总数。因为I_i和I_j没有特定的大小关系，所以当I_i≠I_j时，W^(i,j)为非对称矩阵。如果两个子网之间的子网节点有边相连，那么邻接矩阵对应的元素为1，否则为0。

第三种多子网的滤波：

对于上述第三种得到张量特征数据过程中，超图的节点连接信息组成了n阶超图。其中，n表示超图包含的子网数n≥3。该n阶超图连接的节点组成了预设网络。每条n阶超边包含n个节点，每一个子网有且仅有一个节点包含在n阶超边中。超图与普通图的区别在于：后者的每一条边只能连接两个节点，而超图的边可以连接三个以上的节点，所以称为超边。

使用n阶张量3≤n≤m对n阶超图进行建模。m阶复杂网络可以包含多个n阶超图。但是n一定小于或者等于m。m阶的复杂网络是指有m个子网的复杂网络，即节点类型为m的复杂网络。

n阶超图记为G^(1,2,...,n)＝{V⁽¹⁾,V⁽²⁾,...,V⁽ⁿ⁾,E^(1,2,...,n)}，V⁽¹⁾,V⁽²⁾,...,V⁽ⁿ⁾代表n类节点，E^(1,2,...,n)代表连接这n类节点的n阶超边。

n阶超图的邻接张量定义为

其中i₁,i₂,...,i_n是每一子网的节点，每一子网节点的总个数记为i₁,i₂,...,i_n。如果多个子网之间的节点有超边相连，那么邻接张量对应元素为1，否则为0。

参见图2，图2为本发明实施例的滤波方法的具体流程图，本发明实施例的滤波方法包括如下步骤：

步骤201，获取异构型网络的多个子网，其中，所述多个子网包括不同预定类型的节点，每个子网为同一预定类型子网节点组成的网络。

步骤202，分别构造所述多个子网的子网内所述子网节点之间的连接、所述多个子网的两个子网间节点之间的连接及所述多个子网的超图节点之间的连接，对应的所述子网内的邻接矩阵、所述两个子网间的邻接矩阵以及所述超图的邻接张量，其中，所述超图为三个以上子网形成的。

这里的异构型网络中的一般至少包括三种网络子网类型及以上的节点。

步骤203，为所述异构型网络配置一个原始节点信号。

步骤204，根据所述张量特征数据为所述子网内的邻接矩阵及所述两个子网间的邻接矩阵时，归一化所述张量特征数据，并根据所述归一化张量特征数据，分别在所述子网内的子网节点及所述两个子网间节点上传播一次所述原始节点信号，得到传播后的一阶第一滤波信号及多个一阶第二滤波信号。

步骤205，根据所述张量特征数据为所述超图的邻接张量时，计算所述超图的邻接张量的投影矩阵；

步骤206，归一化所述投影矩阵，确定联合信号，并根据所述联合信号及所述归一化所述投影矩阵，在所述超图的节点上传播一次所述原始节点信号，得到多个一阶第三滤波信号，其中，所述联合信号为在所述超图中的除当前子网的信号以外的、唯一频繁出现信号或者多个频繁出现信号中的任一信号。

步骤207，线性加权所述第一滤波信号、所述多个第二滤波信号及所述多个第三滤波信号，确定所述异构型网络的传播滤波信号。

本步骤207具体为：将所述一阶第一滤波信号、所述多个一阶第二滤波信号及所述多个一阶第三滤波信号进行线性加权，得到所述异构型网络的一阶传播滤波信号；将所述一阶第一滤波信号、所述多个一阶第二滤波信号及所述多个一阶第三滤波信号进行L次迭代，并将L阶的第一滤波信号、L阶的多个第二滤波信号及L阶的多个第三滤波信号进行线性加权，得到所述异构型网络的L阶传播滤波信号，其中，所述L大于或等于2。具体的，将传播滤波信号合并。将子网，子网间，多子网间的一阶传播滤波信号进行线性加权，得到复杂网络一阶传播滤波信号：

$f^{\left(i\right)}={\mathrm{\α}}_i{A}^{\left(i\right)}{s}^{\left(i\right)}+{\Σ}_{j\≠i}{\mathrm{\α}}_{ij}{A}^{\left(ij\right)}{s}^{\left(j\right)}+{\Σ}_p{\stackrel{\‾}{\mathrm{\α}}}_{ip}{A}_{\left(i\right)}^{\left(p\right)}{s}_a^{ip}$

其中并且i,j＝1,2,..,m i≠j，A⁽ⁱ⁾是子网i的归一化邻接矩阵。A^(i,j)表示子网i和j之间的归一化邻接矩阵。表示在第p个超图中，子网i的归一化投影矩阵。s⁽ⁱ⁾表示子网i的原始节点信号。表示在第p个超图中，子网i的联合信号。f⁽ⁱ⁾表示子网i的信号s⁽ⁱ⁾经过滤波后得到的信号。将一阶传播滤波信号进行L次的迭代，就可以得到复杂网络L阶传播滤波信号。

在上述发明实施例中，通过原始节点信号在建立张量特征数据的异构型网络中一次传播，实现对原始节点信号的一次滤波；通过原始节点信号在建立张量特征数据的异构型网络中多次传播，实现对原始节点信号的多次滤波，这样不仅可以实现在异构型网络中的信号传播，而且可以实现传播后的原始节点信号的滤波，并且为异构型网络与原始节点信号在不同节点上传播提供了理论依据，提高了异构型网络中所应用到的算法的可信度。

通常，上述本步骤207中得到L阶传播滤波信号的具体实现过程，包括如下三种实现方式。

第一种实现方式：根据所述张量特征数据为所述子网内的邻接矩阵时，归一化所述张量特征数据，并根据所述归一化张量特征数据，分别在所述子网内的子网节点上传播一次所述原始节点信号，得到传播后的一阶第一滤波信号。

参见图3，图3为本发明实施例的滤波方法中步骤207的第一种实现方式流程图。具体的第一种实现方式：步骤20701，得到子网的邻接矩阵及度矩阵。

由复杂网络张量建模得到W⁽ⁱ⁾，是网络的邻接矩阵，表示复数域。表示对应的度矩阵，度矩阵对角线的元素是对应节点的度，非对角线元素为零。I_i表示子网i节点的总数。其中k表示所有与点l相连的节点。

步骤20702，归一化邻接矩阵。

其中是子网i的邻接矩阵，是子网i度矩阵。是对角矩阵，所以表示将D⁽ⁱ⁾的对角线元素取次幂，其他元素保持不变。

步骤20703，子网内的一阶传播滤波信号。

子网i的节点属于同一种类型，其中i＝1,2,..,m。定义第p个节点上的信号被相邻的节点通过线性加权的方式替代。

其中q∈N_p表示所有与节点p相连的节点q，是经过传播后节点p上的新信号。A⁽ⁱ⁾是归一化的邻接矩阵，是节点q上的原始节点信号。

子网内的一阶传播滤波信号写成向量乘积的形式即为：

其中表示子网i的原始节点信号，表示一阶传播滤波信号后子网i的信号，A⁽ⁱ⁾是归一化的邻接矩阵。

步骤20704，子网内的L阶传播滤波信号。

将一阶传播滤波信号进行L次的迭代，就可以得到子网内传播滤波信号的L阶滤波公式：

h(A)＝h₀I+h₁A+......+h_LA^L，其中表示单位矩阵，h₀,h₁,...,h_L表示滤波系数，A表示子网归一化的邻接矩阵。表示子网i的原始节点信号，表示一阶传播滤波信号后子网i的信号。

第二种实现方式：根据所述张量特征数据为及所述两个子网间的邻接矩阵时，归一化所述张量特征数据，并根据所述归一化张量特征数据，分别在所述两个子网间节点上传播一次所述原始节点信号，得到一阶第二滤波信号。

参见图4，图4为本发明实施例的滤波方法中步骤207的第二种实现方式流程图。具体的第二种实现方式：步骤20705，得到子网i和j两两之间的邻接矩阵和度矩阵。

由复杂网络张量建模模块得到W^(i.j)，是子网i和j两两之间的邻接矩阵，表示复数域。I_i和I_j分别表示子网i和j节点的总数。表示对应的度矩阵，度矩阵对角线的元素是对应节点的度。

其中，k表示所有与点l相连的节点。非对角线元素为零。

步骤20706，归一化邻接矩阵。

其中是子网i和j两两之间的邻接矩阵，是对角矩阵，所以表示将D^(i,j)的对角线元素取次幂，其他元素保持不变。是归一化的邻接矩阵。

步骤20707，子网间的一阶传播滤波信号。

归一化的邻接矩阵表示子网i和j相互间的连接关系。子网i的节点信号由相连接的子网j的节点得到。其中i,j＝1,2,...,m i≠j。

子网i和j间的是一阶传播滤波信号的形式为：f⁽ⁱ⁾＝A^(i,j)s^(j)

其中i,j＝1,2,...,m i≠j，是归一化的邻接矩阵，表示子网j的原始节点信号，表示传播滤波信号后子网i的信号。

找出所有与子网i相邻的子网j，得到子网间的一阶传播滤波信号：

其中j∈N_i表示所有与子网i相邻的子网j，A^(i,j)表示子网i和j之间的归一化邻接矩阵。s^(j)表示子网j的原始节点信号。f⁽ⁱ⁾表示子网i通过子网间是一阶传播滤波信号得到的传播滤波信号。

步骤20708，子网间的L阶传播滤波信号。

将一阶传播滤波信号进行L次的迭代，就可以得到子网间的L阶传播滤波信号。

第三种实现方式：根据所述张量特征数据为所述超图的邻接张量时，计算所述超图的邻接张量的投影矩阵；归一化所述投影矩阵，确定联合信号，并根据所述联合信号及所述归一化所述投影矩阵，在所述超图的节点上传播一次所述原始节点信号，得到多个一阶第三滤波信号，其中，所述联合信号为在所述超图中的除当前子网的信号以外的、唯一频繁出现信号或者多个频繁出现信号中的任一信号。

其中，所述唯一频繁出现信号为最频繁出现信号的一个信号；所述多个频繁出现信号为频繁出现信号的多个信号，按照频繁次序，应该是排名靠前频繁出现的信号。

参见图5，图5为本发明实施例的滤波方法中步骤207的第三种实现方式流程图。具体的第三种实现方式：这里的多子网是指数量n≥3的子网。分析子网i的信号s⁽ⁱ⁾i＝1,2,...,m在n阶超图上的传播，3≤n≤m。m≥3的复杂网络可以包含多个n阶超图3≤n≤m。

步骤20709，计算邻接张量的投影矩阵。

N阶张量中的元素对应n阶展开矩阵的位置是：行i_n，列(i_n+1-1)I_n+2I_n+3...I_NI₁I₂...I_n-1+(i_n+2-1)I_n+3I_n+4...I_NI₁I₂...I_n-1+...+(i_N-1)I₁I₂...I_n-1+(i₁-1)I₂I₃...I_n-1+(i₂-1)I₃I₄...I_n-1+...+i_n-1

步骤20710，归一化的投影矩阵。

其中是邻接张量在第i维的投影矩阵，是W_(i)对应的度矩阵，(D_(i))_ll＝∑_k(W_(i))_lk，k表示所有与点l相连的节点。非对角线元素为零。

是对应的度矩阵，是W_(i)的转置矩阵。k表示所有与点l相连的节点。非对角线元素为零。

表示将D_(i)的对角线元素取次幂，其他元素保持不变。A_(i)是归一化的投影矩阵。

步骤20711，计算联合信号。

首先，确定包含子网i的所有超图。

每一个超图都对应一个第i维的联合信号：

第i维的联合信号与子网i的信号s⁽ⁱ⁾无关，只与除了子网i之外的子网信号s^(j)j≠i j＝1,2,...,n有关。在不同的超图中，因为相连接的子网j不同，所以会对应不同的取值。

其次，分析超图中除了子网i之外子网的连接情况。

如果s^(j)j≠i j＝1,2,...,n没有由超边相连。否则s^(j)中最频繁出现的信号作为的值，如果最频繁出现的信号不唯一，那么随机从最频繁出现的信号中取值。各个s^(j)的取值顺序与i维邻接张量投影W_(i)对应的列顺序相同。其中W_(i)是在第i维的投影矩阵。是n阶超图对应的邻接张量。

步骤20712，多子网的一阶传播滤波信号。

s⁽ⁱ⁾,i＝1,2,...,m在一个超图上的一阶传播滤波信号定义为：其中A_(i)是归一化的投影矩阵，是第i维的联合信号，f⁽ⁱ⁾是子网信号s⁽ⁱ⁾经过滤波后得到的信号。

子网i可以和不同的子网通过超边相连，组成不同的超图。记子网i包含在p个不同的超图里。

信号s⁽ⁱ⁾i＝1,2,...,m的多子网一阶传播滤波信号定义为：其中，表示在第p个超图中，子网i的联合信号。表示在第p个超图中，子网i的归一化投影矩阵。f⁽ⁱ⁾是子网信号s⁽ⁱ⁾经过滤波后得到的信号。

步骤20713，多子网间L阶传播滤波信号

将一阶传播滤波信号进行L次的迭代，就可以得到多子网L阶传播滤波信号。

参见图7，图7为本发明实施例的滤波方法的具体流程示意图，本发明实施例的滤波方法包括如下步骤：

步骤301，获取异构型网络的多个子网，其中，所述多个子网包括不同预定类型的节点，每个子网为同一预定类型子网节点组成的网络。

步骤302，分别构造所述多个子网的子网内所述子网节点之间的连接、所述多个子网的两个子网间节点之间的连接及所述多个子网的超图节点之间的连接对应的张量特征数据，其中，所述超图为三个以上子网形成的。

步骤303，为所述异构型网络配置一个原始节点信号。

在本步骤303之后，本发明实施例的滤波方法还包括：根据所述预设滤波方式，将所述原始节点信号转换为频域信号，将该频域信号进行滤波，确定出所述异构型网络的原始节点信号的滤波信号，进而实现原始节点信号的频域滤波。

步骤304，根据所述张量特征数据，分别在所述子网内、所述两个子网间上、所述超图上传播所述原始节点信号，并对应得到传播后的第一滤波信号、多个第二滤波信号及多个第三滤波信号。

步骤305，获取所述子网内、所述两个子网间及所述超图对应的预设滤波方式。

通常，所述预设滤波方式包括：高通滤波方式、低通滤波方式、带通滤波方式及带阻滤波方式中的一种或多种。具体将传播后的第一滤波信号、多个第二滤波信号及多个第三滤波信号分别进行所需的高通，低通，带通，带阻等方式的滤波。根据频域传播滤波信号，通过逆傅里叶变换得到传播后的第一滤波信号、第二滤波信号、第三滤波信号。将得到的传播后的第一滤波信号、第二滤波信号、第三滤波信号进行线性加权，就可以得到异构型网络的传播滤波信号。

步骤306，根据所述预设滤波方式，频域滤波所述第一滤波信号、所述多个第二滤波信号及所述多个第三滤波信号，确定所述异构型网络的传播滤波信号。

本步骤306具体的，将子网，子网间，多子网对应的传播后的第一滤波信号、第二滤波信号及第三滤波信号分别进行所需的高通，低通，带通，带阻等方式的滤波。然后再通过逆傅里叶变换得到传播后的第一滤波信号、第二滤波信号、第三滤波信号。将得到的传播后的第一滤波信号、第二滤波信号、第三滤波信号进行线性加权，就可以得到异构型网络的传播滤波信号。

参见图6，图6为本发明实施例的滤波方法中步骤306的基本流程图。本步骤306具体为：步骤3061，对归一化张量特征数据进行预设特征分解。步骤3061的具体实施方式为：在所述归一化张量特征数据为归一化子网内的邻接矩阵时，对所述归一化子网内的邻接矩阵进行特征分解。

在所述归一化张量特征数据为归一化两个子网间的邻接矩阵时，对所述归一化两个子网间的邻接矩阵进行奇异值分解。

在所述张量特征数据为邻接张量时，对所述邻接张量进行高阶奇异值分解。

步骤3062，根据所述预设滤波方式及所述预设特征分解，频域滤波所述第一滤波信号、所述多个第二滤波信号及所述多个第三滤波信号，并对应得到第一频域信号、多个第二频域信号及多个第三频域信号。

步骤3063，转换所述第一频域信号、所述多个第二频域信号及所述多个第三频域信号，分别对应为所述第一滤波信号、所述多个第二滤波信号及所述多个第三滤波信号。

步骤3064，线性加权所述第一滤波信号、所述多个第二滤波信号及所述多个第三滤波信号，确定所述异构型网络的传播滤波信号。

在上述发明实施例中，通过原始节点信号在建立张量特征数据的异构型网络中一次传播，实现对原始节点信号的一次滤波之后；或者通过原始节点信号在建立张量特征数据的异构型网络中多次传播，实现对原始节点信号的多次滤波之后，将一次滤波的结果或多次滤波的结果进行频域滤波，实现不同滤波方式，优化异构型网络滤波的滤波结果，更加准确地得到确定异构型网络的传播滤波信号，也提高了频域滤波算法的可信度。

本发明实施例中，本步骤306具体的实现过程如下。

参见图8，图8为本发明实施例的滤波方法中步骤306的具体第一种实现过程的流程图。本步骤306中在所述归一化张量特征数据为归一化子网内的邻接矩阵时，对所述归一化子网内的邻接矩阵进行特征分解时，具体的第一种实现过程。

步骤30601，对子网i的归一化的邻接矩阵A进行特征分解。

对A进行特征分解：A＝UΛU^-1，其中的第i列是特征向量，是正交矩阵。U^-1＝U^T，其中U^T表示矩阵U的转置，U^-1表示矩阵U的逆。Λ是对角矩阵，对角线元素是A的特征值。

步骤30602，定义子网的傅里叶变换。

定义子网的傅里叶变换为：F＝U^-1

定义子网的逆傅里叶变换为：F^-1＝U

把特征矩阵U定义为傅里叶变换基，那么Λ对角线元素的大小反映了频率的高低，元素越大对应的频率越低。

步骤30603，对信号进行频域滤波。

将传播后的第一滤波信号s通过傅里叶变换F变换到频域上，得到频域响应信号r＝Fs传播后的第一滤波信号映射到频域表示为

其中Ff可以看作是传播后的第一滤波信号的频域响应，是原始节点信号s的频域信号。因此h(Λ)可以看作是系统频域响应。F是傅里叶变换的正交变换基。Λ是对角矩阵，对角线元素是A的特征值，非对角线元素为零。Λ对角线的元素对应频率。元素越大对应的频率越低。

通过对r进行操作，可以设计高通，低通，带通，带阻等滤波器。保留高频对应的信号，抑制低频信号，则可以得到信号的高通滤波。反之，保留低频对应的信号，抑制高频信号，则可以得到信号的低通滤波。同理，带通，带阻也可以实现。

步骤30604，滤波后的频域信号转换为传播后的第一滤波信号。

s＝F^-1r，其中是经过处理后的频域信号，通过逆傅里叶变换F^-1可以将频域信号转换为传播后的第一滤波信号，s是频域滤波后的信号。

参见图9，图9为本发明实施例的滤波方法中步骤306的具体第二种实现过程的流程图。本步骤306中在所述归一化张量特征数据为归一化两个子网间的邻接矩阵时，对所述归一化两个子网间的邻接矩阵进行奇异值分解时，具体的第二种实现过程。这里的子网间频域滤波特指两个子网间的频域滤波。子网间的频域滤波使用邻接矩阵的投影进行分析，

步骤30605，对归一化邻接矩阵进行奇异值分解SVD。

将归一化的邻接矩阵i,j＝1,2,...,m i≠j向第i维进行投影其中，是A^(ij)向第i维的投影矩阵；同理第j维的投影矩阵表示为

其中

根据子网内滤波的分析，经过L步的迭代，子网间的L阶滤波可以写做：h(A_u)＝h₀I+h₁A_u+......+h_L(A_u)^L

A_u＝AA^T，其中I表示单位矩阵，h₀,h₁,...,h_L表示滤波系数，A表示子网间的归一化邻接矩阵。

对A_u进行特征分解与对A进行奇异值分解有相同的意义

对A进行奇异值分解得到：A＝UΛV^-1

其中U是A_u的特征向量组成的矩阵，即第i列是A_u的特征向量。V是的特征向量组成的矩阵。Λ的对角线元素是A的奇异值，非对角线元素为零。Λ对角线的元素对应频率。元素越大对应的频率越低。

步骤30606，定义傅里叶变换。

对子网i和j的归一化的邻接矩阵A^(ij)进行SVD分解，得到：

A^(ij)＝UΛV^-1

子网i的傅里叶变换定义为：F＝U^-1

逆傅里叶变换定义为：F^-1＝U，其中U^-1表示矩阵U的逆；同理子网j的傅里叶变换定义为：F＝V^-1

逆傅里叶变换定义为：F^-1＝V，其中V^-1表示矩阵V的逆；Λ的对角线元素是A的奇异值，非对角线元素为零。Λ对角线的元素对应频率。元素越大对应的频率越低。

步骤30607，对信号进行频域滤波。

将第二滤波信号s通过子网间的傅里叶变换F变换到频域上，得到频域响应信号其中，r＝Fs。

通过对r进行操作，可以设计高通，低通，带通，带阻等滤波器。保留高频对应的信号，抑制低频信号，则可以得到信号的高通滤波。同理，低通，带通，带阻也可以实现。

步骤30608，滤波后的频域信号转换为第二滤波信号。

s＝F^-1r，其中，是经过处理后的频域信号，通过逆傅里叶变换F^-1可以得到将频域信号转换为第二滤波信号，s是频域滤波后的信号。

参见图10，图10为本发明实施例的滤波方法中步骤306的具体第三种实现过程的流程图。本步骤306中在所述张量特征数据为邻接张量时，对所述邻接张量进行高阶奇异值分解时，具体的第三种实现过程。

这里的多子网是指数量n≥3的子网。多子网频域滤波使用邻接张量的高阶奇异值分解(HOSVD)进行分析。

步骤30609，通过HOSVD对邻接张量进行分解。

使用HOSVD对邻接张量进行分解，得到每个维度的正交矩阵U

HOSVD将一个张量表示成一个核心(core)张量与每一个维度上的矩阵相乘的形式，其中每一个维度上的矩阵都是正交矩阵。

HOSVD分解表示为：其中张量核心张量是第i维的因子矩阵，可以认为是每一维上的主成分。张量是一个核心张量，它代表各个维度上的交互作用。是n-mode乘积运算。

一个张量和一个矩阵的n-mode乘积的元素定义为：

步骤30610，定义傅里叶变换。

HOSVD正交矩阵U⁽ⁱ⁾可以通过W_(i)进行SVD分解得到

W_(i)＝U⁽ⁱ⁾Σ⁽ⁱ⁾V⁽ⁱ⁾，其中是邻接张量在第i维的投影矩阵。是第i维的因子矩阵，Σ⁽ⁱ⁾代表第i维的频率信息，V⁽ⁱ⁾表示剩下维度的交互信息。Σ⁽ⁱ⁾的对角线元素是邻接张量在第i维的奇异值，非对角线元素为零。奇异值越大，对应的频率越低。

根据子网间的傅里叶变换分析，多子网的第i维傅里叶变换定义为：

F⁽ⁱ⁾＝(U⁽ⁱ⁾)^T＝(U⁽ⁱ⁾)^-1；第i维的逆傅里叶变换定义为：(F(i))^-1＝U(i)，其中是第i维的因子矩阵，并且是正交矩阵。

步骤30611，对信号进行频域滤波。

将第三滤波信号s通过多子网的傅里叶变换F变换到频域上，得到频域响应信号其中，r＝Fs。

通过对r进行操作，可以设计高通，低通，带通，带阻等滤波器。保留高频对应的信号，抑制低频信号，则可以得到信号的高通滤波。同理，低通，带通，带阻也可以实现。

步骤30612，滤波后的频域信号转换为第三滤波信号。

s＝F^-1r其中，是经过处理后的频域信号，通过逆傅里叶变换F^-1可以得到将频域信号转换为第三滤波信号，s是频域滤波后的信号。

参见图11，图11为本发明实施例的一种滤波装置的结构示意图，本发明实施例的滤波装置包括如下结构：

获取模块401，用于获取异构型网络的多个子网，其中，所述多个子网包括不同预定类型的节点，每个子网为同一预定类型子网节点组成的网络。

构造模块402，用于分别构造所述多个子网的子网内所述子网节点之间的连接、所述多个子网的两个子网间节点之间的连接及所述多个子网的超图节点之间的连接对应的张量特征数据，其中，所述超图为三个以上子网形成的。

配置模块403，用于为所述异构型网络配置一个原始节点信号。

滤波信号获得模块，用于根据所述张量特征数据，分别在所述子网内、所述两个子网间上、所述超图上传播所述原始节点信号，并对应得到传播后的第一滤波信号、多个第二滤波信号及多个第三滤波信号。

处理模块404，用于根据所述第一滤波信号、所述多个第二滤波信号及所述多个第三滤波信号，确定所述异构型网络的传播滤波信号。

本发明实施例中，通过获取子网，构造子网内所述子网节点之间的连接、两个子网间节点之间的连接及超图节点之间的连接的对应的张量特征数据，并对异构型网络设置原始节点信号，然后将异构型网络的原始节点信号在子网内、两个子网间及超图上传播，得到异构型网络的传播滤波信号。这样综合利用异构型网络的不同类别节点及不同类别节点的连接的张量特征数据，实现子网内、子网间及超图上的信号传播，进而实现异构型网络的原始节点信号的不同方式滤波，减小了复杂网络的信号滤波的局限性，从而为异构型网络与原始节点信号在不同节点上传播提供了理论依据。

需要说明的是，本发明实施例的装置是应用上述滤波方法的装置，则上述滤波方法的所有实施例均适用于该装置，且均能达到相同或相似的有益效果。

本发明的又一实施例的滤波装置中，所述处理模块404具体用于线性加权所述第一滤波信号、所述多个第二滤波信号及所述多个第三滤波信号，确定所述异构型网络的传播滤波信号。

需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。

本说明书中的各个实施例均采用相关的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于系统实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。

以上所述仅为本发明的较佳实施例而已，并非用于限定本发明的保护范围。凡在本发明的精神和原则之内所作的任何修改、等同替换、改进等，均包含在本发明的保护范围内。